論文の概要: Math Word Problem Solving by Generating Linguistic Variants of Problem
Statements
- arxiv url: http://arxiv.org/abs/2306.13899v1
- Date: Sat, 24 Jun 2023 08:27:39 GMT
- ステータス: 処理完了
- システム内更新日: 2023-06-27 18:31:43.470099
- Title: Math Word Problem Solving by Generating Linguistic Variants of Problem
Statements
- Title（参考訳）: 問題文の言語的変種生成による算数語問題解決
- Authors: Syed Rifat Raiyan, Md. Nafis Faiyaz, Shah Md. Jawad Kabir, Mohsinul
Kabir, Hasan Mahmud, Md Kamrul Hasan
- Abstract要約: 本稿では,問題テキストの言語的変種生成に基づくMWP問題解決のためのフレームワークを提案する。
このアプローチでは、各変種問題を解決し、予測された表現を過半数の票で選択する。
本稿では,問題文の言語的変種に関するトレーニングと候補予測による投票により,モデルの数学的推論やロバスト性が改善されることを示す。
- 参考スコア（独自算出の注目度）: 1.742186232261139
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: The art of mathematical reasoning stands as a fundamental pillar of
intellectual progress and is a central catalyst in cultivating human ingenuity.
Researchers have recently published a plethora of works centered around the
task of solving Math Word Problems (MWP) $-$ a crucial stride towards general
AI. These existing models are susceptible to dependency on shallow heuristics
and spurious correlations to derive the solution expressions. In order to
ameliorate this issue, in this paper, we propose a framework for MWP solvers
based on the generation of linguistic variants of the problem text. The
approach involves solving each of the variant problems and electing the
predicted expression with the majority of the votes. We use DeBERTa
(Decoding-enhanced BERT with disentangled attention) as the encoder to leverage
its rich textual representations and enhanced mask decoder to construct the
solution expressions. Furthermore, we introduce a challenging dataset,
$\mathrm{P\small{ARA}\normalsize{MAWPS}}$, consisting of paraphrased,
adversarial, and inverse variants of selectively sampled MWPs from the
benchmark $\mathrm{M\small{AWPS}}$ dataset. We extensively experiment on this
dataset along with other benchmark datasets using some baseline MWP solver
models. We show that training on linguistic variants of problem statements and
voting on candidate predictions improve the mathematical reasoning and
robustness of the model. We make our code and data publicly available.
- Abstract（参考訳）: 数学的推論の技術は知的進歩の基本的な柱であり、人間の創造性を育成する中心的な触媒である。
最近、研究者は、数学語問題(MWP)を一般AIへの決定的な一歩として解決する作業を中心に、数多くの研究を公表した。
これらの既存モデルは、解式を導出するために浅いヒューリスティックや急激な相関に依存している。
本稿では,この問題を改善するために,問題テキストの言語的変種生成に基づくMWP問題解決のためのフレームワークを提案する。
このアプローチでは、各変種問題を解決し、予測された表現を過半数で選択する。
DeBERTa (Decoding-enhanced BERT with disentangleed attention) をエンコーダとして使用し、リッチテキスト表現と拡張マスクデコーダを用いて解表現を構築する。
さらに、ベンチマーク $\mathrm{m\small{ara}\normalsize{mawps}}$データセットから選択的にサンプリングされたmwpのパラフラッシド、adversarial、逆変種からなる、挑戦的なデータセットである$\mathrm{p\small{ara}\normalsize{mawps}}$を導入する。
いくつかのベースラインMWPソルバモデルを用いて、他のベンチマークデータセットとともに、このデータセットを広範囲に実験する。
問題文の言語的変形の訓練と候補予測の投票により,モデルの数学的推論とロバスト性が向上することを示す。
コードとデータを公開しています。
関連論文リスト
- MWPRanker: An Expression Similarity Based Math Word Problem Retriever [12.638925774492403]
オンラインアセスメントにおける数学語問題(MWP)は、学習者が重要な推論を行う能力をテストするのに役立つ。
本稿では,MWP検索のためのツールを提案する。
論文 参考訳（メタデータ） (2023-07-03T15:44:18Z) - Techniques to Improve Neural Math Word Problem Solvers [0.0]
最近のニューラルベースアプローチは、主に言語モデルを用いて問題テキストをエンコードし、量や演算子を反復的に数学的表現をデコードする。
本稿では,質問文を完全に活用し,段階的可換法則を保存するエンコーダ・デコーダアーキテクチャを提案する。
確立された4つのベンチマーク実験により、我々のフレームワークは最先端のニューラルMWPソルバより優れていることが示された。
論文 参考訳（メタデータ） (2023-02-06T22:41:51Z) - Dynamic Prompt Learning via Policy Gradient for Semi-structured
Mathematical Reasoning [150.17907456113537]
数学的な推論を必要とする38,431のグレードレベルの問題を含む新しいデータセットであるTabular Math Word Problems (TabMWP)を提案する。
我々は,GPT-3モデルを含む,TabMWP上での事前学習モデルの評価を行った。
本稿では、ポリシー勾配を利用して、少量のトレーニングデータからコンテキスト内サンプルを選択する新しいアプローチ、PromptPGを提案する。
論文 参考訳（メタデータ） (2022-09-29T08:01:04Z) - Tackling Math Word Problems with Fine-to-Coarse Abstracting and
Reasoning [22.127301797950572]
本稿では,局所的なきめ細かい情報と,その大域的な論理構造の両方を捉えるために,微粒な方法で数学語問題をモデル化することを提案する。
我々のモデルは局所的な変動に自然に敏感であり、目に見えない問題タイプにより良い一般化が可能である。
論文 参考訳（メタデータ） (2022-05-17T12:14:44Z) - LogicSolver: Towards Interpretable Math Word Problem Solving with
Logical Prompt-enhanced Learning [135.8654475934613]
我々はまず,11,495MWPからなる高品質MWPデータセットInterMWPを構築した。
本稿では論理的プロンプトと解釈を用いた新しい手法であるLogicrを提案する。
これらの改良されたセマンティック表現により、我々のLogicrは、生成された解表現に従って対応する解表現と解釈可能な知識を生成する。
論文 参考訳（メタデータ） (2022-05-17T11:01:52Z) - Unbiased Math Word Problems Benchmark for Mitigating Solving Bias [72.8677805114825]
現在の問題解決者は、バイアス付きデータセットと不適切なトレーニング戦略によるデータバイアスと学習バイアスからなるバイアスを解決している。
実験により,MWP の解法は,すべての MWP の問題を多種多様な質問をカバーしないバイアス付きトレーニングデータセットにより容易にバイアスを受けられることを確認した。
MWPは複数の等価方程式によって自然に解けるが、現在のデータセットは1つの等価方程式のみを基底真理とする。
論文 参考訳（メタデータ） (2022-05-17T06:07:04Z) - Seeking Patterns, Not just Memorizing Procedures: Contrastive Learning
for Solving Math Word Problems [14.144577791030853]
ニューラルネットワークが意味論からのみパターンを理解する方法について検討する。
本稿では,ニューラルネットワークがパターンの発散を知覚する,対照的な学習手法を提案する。
本手法は単言語および多言語設定における性能を大幅に改善する。
論文 参考訳（メタデータ） (2021-10-16T04:03:47Z) - Generate & Rank: A Multi-task Framework for Math Word Problems [48.99880318686938]
数学語問題(MWP)は自然言語処理において困難かつ重要な課題である。
生成事前学習型言語モデルに基づくフレームワークであるGenerate & Rankを提案する。
生成とランキングの併用トレーニングによって、モデルは自身のミスから学習し、正しい表現と間違った表現を区別することができる。
論文 参考訳（メタデータ） (2021-09-07T12:21:49Z) - MWP-BERT: A Strong Baseline for Math Word Problems [47.51572465676904]
数学語問題(英: Math word problem、MWP)とは、自然言語による問題記述の列を、実行可能な数学方程式に変換するタスクである。
近年, MWP の逐次モデル化は, 文脈理解の数学的側面から評価されているが, 事前学習言語モデル (PLM) はMWP の解法として研究されていない。
我々はMWP-BERTを導入し、テキスト記述と数理論理の整合性を捉える事前訓練されたトークン表現を得る。
論文 参考訳（メタデータ） (2021-07-28T15:28:41Z) - Learning by Fixing: Solving Math Word Problems with Weak Supervision [70.62896781438694]
数学用語問題(mwps)の従来のニューラルネットワークソルバは、完全な監視によって学習され、多様なソリューションを生み出すことができない。
MWPを学習するためのテキスト弱教師付きパラダイムを提案する。
この手法は最終回答のアノテーションのみを必要とし、単一の問題に対して様々な解決策を生成できる。
論文 参考訳（メタデータ） (2020-12-19T03:10:21Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。